Concept Glossary: Q¶

This page lists English glossary entries for this letter. Entry bodies are generated from per-term source files with includes.

QLoRA¶

• Meaning: LoRA 조정 방식에 양자화(quantization)를 함께 써서, 큰 기반 모델을 더 낮은 메모리 조건에서 다루기 쉽게 하려는 실무 확장입니다. 핵심은 기반 모델 본체를 더 가볍게 들고 있으면서, 적응에 필요한 작은 조정분은 LoRA처럼 따로 학습해 메모리 부담과 적응 유연성을 함께 잡으려는 데 있습니다. 즉 효율적 조정과 효율적 저장을 결합한 형태라고 볼 수 있습니다.
• Why it matters: LoRA 자체와 메모리 제약 완화가 어떻게 결합되는지 이해해야 제한된 자원에서 어떤 조정 전략을 고를지 설명할 수 있기 때문입니다. 이 개념이 있어야 조정 가능성과 메모리 가능성을 따로 보지 않고 함께 판단하게 되고, 같은 기반 모델도 하드웨어 제약에 따라 현실적인 조정 방법이 달라진다는 점을 더 분명히 읽게 됩니다. 또한 QLoRA는 모델이 너무 커서 조정은 불가능하다는 판단이 절대적인 것이 아니라, 어떤 저장 형식과 적응 방식을 쓰느냐에 따라 현실 조건이 달라질 수 있음을 보여 주는 대표 사례이기도 합니다.
• Related concepts: LoRA, quantization, fine-tuning
• Core Section: P6-9.5

quality¶

• Meaning: 결과가 요청에 맞고 읽을 수 있으며 실제 사용에 도움이 되는 정도입니다. 단순히 문장이 자연스러운가를 넘어서, 현재 목적에 비춰 받아들일 만한 결과인가를 넓게 묻는 판단 기준이며, 여러 세부 기준을 묶는 상위 평가 축에 가깝습니다. 즉 품질은 예쁘게 보이는지보다, 지금 이 작업 맥락에서 실제로 쓸 만한가를 묻는 판단에 더 가깝습니다.
• Why it matters: 생성형 AI 결과를 평가할 때 자연스러움만 볼 것이 아니라, 사실성·근거·안전성과 구분된 첫 번째 점검 축으로 읽어야 하기 때문입니다. 이 개념이 있어야 좋아 보이는 답과 실제로 써도 되는 답을 구분하는 출발점을 잡을 수 있고, 품질이 높아 보여도 왜 여전히 검토와 근거 확인이 필요한지도 함께 설명할 수 있습니다. 결국 품질은 하나의 숫자보다, 어떤 목적에서 어떤 실패를 허용하지 않을 것인가를 정하는 운영 판단과도 맞닿아 있습니다. 또한 품질을 이해해야 동일한 결과라도 학습용 초안, 내부 참고, 외부 공개 문서에서 요구 수준이 달라질 수 있다는 점도 더 분명해집니다.
• Related concepts: hallucination, evidence, review, consistency, metric
• Core Section: P1-10.3
• Appears in: P7-5.2

query-key-value, QKV¶

• Meaning: attention 계산에서 현재 위치가 무엇을 찾는지 나타내는 query, 각 위치가 어떤 정보인지 알려 주는 key, 실제로 섞어 올 내용을 담는 value를 함께 묶어 부르는 표현입니다. 즉 query는 무엇을 찾고 싶은가, key는 어디가 그 조건에 맞는가, value는 그래서 실제로 무엇을 가져올 것인가를 나누어 맡는 구조입니다.
• Why it matters: attention 직관을 질문하고, 맞는 위치를 찾고, 그 내용을 가져온다는 계산 흐름으로 다시 읽게 해 주어, Transformer 설명에서 반복되는 QKV 이름을 덜 추상적으로 만들기 때문입니다. 이 개념이 있어야 attention이 단순 가중합이 아니라, 조회 기준과 내용 전달이 분리된 구조라는 점을 이해하게 됩니다. 또한 QKV를 이해해야 같은 attention 블록 안에서도 유사도 계산용 정보와 실제 전달 내용이 서로 다른 역할이라는 점을 더 분명하게 읽게 됩니다.
• Related concepts: self-attention, multi-head attention, Transformer
• Core Section: P5-13.3
• Appears in: P5-14.1, P6-4.3

queue¶

• Meaning: 먼저 들어온 값을 먼저 꺼내는 규칙으로 작동하는 자료구조 또는 추상 자료형입니다. 줄 서기와 비슷하게, 앞에서 기다리던 항목이 먼저 처리되는 선입선출(FIFO, first-in first-out) 구조로 이해하면 됩니다. 즉 도착 순서를 보존한 채 처리 순서를 정하고 싶을 때 쓰는 기본 장치입니다. 컴퓨터에서는 보통 뒤에 넣고(enqueue) 앞에서 꺼내는(dequeue) 흐름으로 설명하며, 이 두 동작이 큐의 핵심을 이룹니다.
• Why it matters: 요청 처리 순서, 작업 대기열, 메시지 전달처럼 도착한 순서 자체가 중요한 시스템을 설명할 때 가장 기본적인 모델이 되기 때문입니다. 스택처럼 가장 최근 것을 먼저 꺼내는 구조와 구분해야 작업 흐름과 병목 위치를 더 정확히 읽을 수 있고, 큐 길이가 길어진다는 말이 곧 처리 속도보다 유입 속도가 더 빠르다는 운영 신호라는 점도 함께 이해하게 됩니다. 이 개념이 있어야 운영체제의 작업 스케줄링, 서버의 요청 대기열, 데이터 처리 파이프라인의 버퍼를 볼 때 무엇이 얼마나 밀리고 있는가를 순서 관점에서 해석할 수 있습니다.
• Related concepts: stack, linear structure, data structure
• Core Section: P2-9.4
• Appears in: P3-4.2

quotation¶

• Meaning: 필요한 범위 안에서 외부 표현의 일부를 출처와 함께 가져와 설명, 비평, 검토에 사용하는 일입니다. 핵심은 남의 표현을 통째로 대신 쓰는 것이 아니라, 내 설명이 중심인 상태에서 꼭 필요한 부분만 보조 근거로 끌어오는 데 있습니다. 즉 인용은 자료를 참고했다는 막연한 말보다 더 좁고 엄격한 사용 방식입니다.
• Why it matters: 공개 배포 원고에서 자료를 보수적으로 사용하면서도 검증 가능한 근거를 제시하려면 인용의 경계를 구분해야 하기 때문입니다. 이 개념이 있어야 출처를 달았다는 사실만으로 모든 재사용이 정당화되는 것은 아니라는 점을 이해하게 되고, 내 설명이 중심인지 외부 표현이 중심인지도 함께 점검하게 됩니다. 예를 들어 개념 차이를 설명하기 위해 논문 한 문장을 짧게 가져오는 것과, 교재의 설명 단락을 길게 옮겨 적는 것은 모두 출처가 있다고 해도 같은 성격의 사용이 아닙니다. 결국 인용을 이해해야 근거 제시와 표현 재사용을 같은 말로 섞지 않게 되고, 저작권과 출처 검토를 더 신중하게 연결하게 됩니다.
• Related concepts: copyright, representation, attribution
• Core Section: P1-15.2